Open Alex MCP

这是一款精简的 Model Context Protocol（MCP）服务，通过 OpenAlex.org API 实现作者消歧与学术研究。专为 AI Agent 设计，采用经过优化的数据结构并增强了功能。

---

🎯 主要功能

🔍 核心能力

• 高级作者消歧：处理复杂的职业变动和姓名变体
• 机构解析：查询当前及过往隶属机构，并追踪变动
• 学术作品检索：期刊文章、信件和研究论文
• 引用分析：H 指数、引用次数和影响力指标
• ORCID 集成：通过 ORCID 标识符实现最高精度的匹配

🚀 针对 AI Agent 优化

• 精简数据：专注于消歧所需的关键信息
• 快速处理：优化数据结构，实现快速分析
• 智能筛选：增强筛选选项，实现有针对性的查询
• 清晰输出：采用结构化响应，优化 AI 推理效果

🤖 Agent 集成

• 多个候选项：提供排序结果，支持自动决策
• 结构化响应：提供清晰、可解析且针对大模型优化的输出
• 错误处理：在功能降级时提供清晰的提示信息
• 增强筛选：支持仅限期刊、引用阈值和时间筛选

🏛️ 专业级品质

• MCP 最佳实践：遵循官方指南，使用 FastMCP 构建
• 工具注解：提供规范的 MCP 工具注解，优化客户端集成
• 资源管理：高效管理 HTTP 客户端并进行清理
• 速率限制：合理使用 API，并设置适当的延迟

---

🚀 快速开始

先决条件

• Python 3.10 或更高版本
• 兼容 MCP 的客户端（例如 Claude Desktop）
• 电子邮件地址（用于 OpenAlex API 礼貌性访问）

安装

详细安装说明请参阅 INSTALL.md。

1. 克隆仓库：

   git clone https://github.com/drAbreu/alex-mcp.git
   cd alex-mcp
   

2. 创建虚拟环境：

   python3 -m venv venv
   source venv/bin/activate  # On Windows: venv\Scripts\activate
   

3. 安装软件包：

   pip install -e .
   

4. 配置环境：

   export [email protected]
   

5. 运行服务：

   ./run_alex_mcp.sh
   # Or, if installed as a CLI tool:
   alex-mcp
   

---

⚙️ MCP 配置

Claude Desktop 配置

将以下内容添加到 Claude Desktop 配置文件中：

{
  "mcpServers": {
    "alex-mcp": {
      "command": "/path/to/alex-mcp/run_alex_mcp.sh",
      "env": {
        "OPENALEX_MAILTO": "[email protected]"
      }
    }
  }
}

将 /path/to/alex-mcp 替换为系统中仓库的实际路径。

---

🤖 与 AI Agent 配合使用

OpenAI Agents 集成

你可以使用 agents.mcp.MCPServerStdio 接口，在 OpenAI Agent 工作流中加载此 MCP 服务：

from agents.mcp import MCPServerStdio

async with MCPServerStdio(
    name="OpenAlex MCP For Author disambiguation and works",
    cache_tools_list=True,
    params={
        "command": "uvx",
        "args": [
            "--from", "git+https://github.com/drAbreu/[email protected]",
            "alex-mcp"
        ],
        "env": {
            "OPENALEX_MAILTO": "[email protected]"
        }
    },
    client_session_timeout_seconds=10
) as alex_mcp:
    await alex_mcp.connect()
    tools = await alex_mcp.list_tools()
    print(f"Available tools: {[tool.name for tool in tools]}")

学术研究 Agent 集成

此 MCP 服务专为学术研究工作流优化：

# Optimized for academic research workflows
from alex_agent import run_author_research

# Enhanced functionality with streamlined data
result = await run_author_research(
    "Find J. Abreu at EMBO with recent publications"
)

# Clean, structured output for AI processing
print(f"Success: {result['workflow_metadata']['success']}")
print(f"Quality: {result['research_result']['metadata']['result_analysis']['quality_score']}/100")

使用 uvx 直接启动

# Standard launch
uvx --from git+https://github.com/drAbreu/[email protected] alex-mcp

# With environment variables
[email protected] uvx --from git+https://github.com/drAbreu/[email protected] alex-mcp

---

🛠️ 可用工具

1. autocomplete_authors ⭐ 全新

使用 OpenAlex 自动补全 API 获取多个作者候选项，实现智能消歧。

参数：

• name（必填）：要搜索的作者姓名（例如，“James Briscoe”“M. Ralser”）
• context（可选）：用于消歧的上下文（例如，“Francis Crick Institute 发育生物学”）
• limit（可选）：候选项上限（1-10，默认值：5）

主要功能：

• ⚡ 快速：响应时间约为 200 ms
• 🎯 智能：提供多个候选项及机构提示
• 🧠 适用于 AI：非常适合基于上下文进行选择
• 📊 信息丰富：作品数量、引用数、机构信息

精简输出：

{
  "query": "James Briscoe",
  "context": "Francis Crick Institute",
  "total_candidates": 3,
  "candidates": [
    {
      "openalex_id": "https://openalex.org/A5019391436",
      "display_name": "James Briscoe",
      "institution_hint": "The Francis Crick Institute, UK",
      "works_count": 415,
      "cited_by_count": 24623,
      "external_id": "https://orcid.org/0000-0002-1020-5240"
    }
  ]
}

使用模式：

# Get multiple candidates for disambiguation
candidates = await autocomplete_authors(
    "James Briscoe", 
    context="Francis Crick Institute developmental biology"
)

# AI selects best match based on institutional context
# Much more accurate than single search result!

2. search_authors

搜索作者，并为 AI Agent 提供精简输出。

参数：

• name（必填）：要搜索的作者姓名
• institution（可选）：机构名称筛选条件
• topic（可选）：研究主题筛选条件
• country_code（可选）：国家/地区代码筛选条件（例如，“US”“DE”）
• limit（可选）：结果上限（1-25，默认值：20）

精简输出：

{
  "query": "J. Abreu",
  "total_count": 3,
  "results": [
    {
      "id": "https://openalex.org/A123456789",
      "display_name": "Jorge Abreu-Vicente",
      "orcid": "https://orcid.org/0000-0000-0000-0000",
      "display_name_alternatives": ["J. Abreu-Vicente", "Jorge Abreu Vicente"],
      "affiliations": [
        {
          "institution": {
            "display_name": "European Molecular Biology Organization",
            "country_code": "DE"
          },
          "years": [2023, 2024, 2025]
        }
      ],
      "cited_by_count": 316,
      "works_count": 25,
      "summary_stats": {
        "h_index": 9,
        "i10_index": 5
      },
      "x_concepts": [
        {
          "display_name": "Astrophysics",
          "score": 0.8
        },
        {
          "display_name": "Machine Learning", 
          "score": 0.6
        }
      ]
    }
  ]
}

功能：结构清晰，针对 AI 推理和消歧进行了优化

---

2. retrieve_author_works

检索指定作者的作品，并支持增强型筛选功能。

参数：

• author_id（必填）：OpenAlex 作者 ID
• limit（可选）：结果上限（1-50，默认值：20）
• order_by（可选）：“date”或“citations”（默认值：“date”）
• publication_year（可选）：按特定年份筛选
• type（可选）：作品类型筛选条件（例如，“journal-article”）
• authorships_institutions_id（可选）：按机构筛选
• is_retracted（可选）：按撤稿作品筛选
• open_access_is_oa（可选）：按开放获取状态筛选

增强型输出：

{
  "author_id": "https://openalex.org/A123456789",
  "total_count": 25,
  "results": [
    {
      "id": "https://openalex.org/W123456789",
      "title": "A platform for the biomedical application of large language models",
      "doi": "10.1038/s41587-024-02534-3",
      "publication_year": 2025,
      "type": "journal-article",
      "cited_by_count": 42,
      "authorships": [
        {
          "author": {
            "display_name": "Jorge Abreu-Vicente"
          },
          "institutions": [
            {
              "display_name": "European Molecular Biology Organization"
            }
          ]
        }
      ],
      "locations": [
        {
          "source": {
            "display_name": "Nature Biotechnology",
            "type": "journal"
          }
        }
      ],
      "open_access": {
        "is_oa": true
      },
      "primary_topic": {
        "display_name": "Biomedical Engineering"
      }
    }
  ]
}

功能：提供全面的作品数据，并支持灵活筛选，满足定向查询需求

---

📊 数据优化

聚焦的信息架构

此 MCP 服务提供经过聚焦和结构化的数据，专为 AI Agent 使用而设计：

作者数据功能

• 身份识别：姓名、ORCID、用于消歧的其他姓名
• 隶属关系追踪：当前和历史机构关联
• 影响力指标：引用数、h 指数和学术影响力
• 研究背景：领域、概念和专业方向
• 职业分析：隶属关系随时间发生的变化和转换

作品数据功能

• 出版元数据：标题、DOI、出版载体和出版详情
• 影响力评估：引用数和学术影响力
• 获取信息：开放获取状态和可用性
• 作者信息：完整作者列表及机构隶属关系
• 研究分类：主题、概念和领域分类

增强型筛选

# Target high-impact journal articles
works = await retrieve_author_works(
    author_id="https://openalex.org/A123456789",
    type="journal-article",      # Focus on journal publications
    open_access_is_oa=True,      # Open access only
    order_by="citations",        # Most cited first
    limit=15
)

# Career transition analysis
authors = await search_authors(
    name="J. Abreu",
    institution="EMBO",          # Current institution
    topic="Machine Learning",    # Research focus
    limit=10
)

---

🧪 使用示例

作者消歧

from alex_mcp.server import search_authors_core

# Comprehensive author search
results = search_authors_core(
    name="J Abreu Vicente",
    institution="EMBO",
    topic="Machine Learning",
    limit=20
)

print(f"Found {results.total_count} candidates")
for author in results.results:
    print(f"- {author.display_name}")
    if author.affiliations:
        current_inst = author.affiliations[0].institution.display_name
        print(f"  Institution: {current_inst}")
    print(f"  Metrics: {author.cited_by_count} citations, h-index {author.summary_stats.h_index}")
    if author.x_concepts:
        fields = [c.display_name for c in author.x_concepts[:3]]
        print(f"  Research: {', '.join(fields)}")

学术作品分析

from alex_mcp.server import retrieve_author_works_core

# Comprehensive work retrieval
works = retrieve_author_works_core(
    author_id="https://openalex.org/A5058921480",
    type="journal-article",      # Academic focus
    order_by="citations",        # Impact-based ordering
    limit=20
)

print(f"Found {works.total_count} publications")
for work in works.results:
    print(f"- {work.title}")
    if work.locations:
        journal = work.locations[0].source.display_name
        print(f"  Published in: {journal} ({work.publication_year})")
    print(f"  Impact: {work.cited_by_count} citations")
    if work.open_access and work.open_access.is_oa:
        print("  ✓ Open Access")

机构与领域分析

# Analyze career transitions
def analyze_career_path(author_result):
    affiliations = author_result.affiliations
    if len(affiliations) > 1:
        print("Career path:")
        for aff in sorted(affiliations, key=lambda x: min(x.years)):
            years = f"{min(aff.years)}-{max(aff.years)}"
            print(f"  {years}: {aff.institution.display_name}")
    
    # Research evolution
    if author_result.x_concepts:
        print("Research areas:")
        for concept in author_result.x_concepts[:5]:
            print(f"  {concept.display_name} (score: {concept.score:.2f})")

# Usage
results = search_authors_core("Jorge Abreu Vicente")
if results.results:
    analyze_career_path(results.results[0])

---

🔧 配置选项

环境变量

# Required
export [email protected]

# Optional settings
export OPENALEX_MAX_AUTHORS=100             # Maximum authors per query
export OPENALEX_USER_AGENT=research-agent-v1.0
export ALEX_MCP_VERSION=4.1.0

# Rate limiting (respectful usage)
export OPENALEX_RATE_PER_SEC=10
export OPENALEX_RATE_PER_DAY=100000

性能调优

# For comprehensive research applications
config = {
    "max_authors_per_query": 25,     # Detailed author analysis
    "max_works_per_author": 50,      # Complete publication history
    "enable_all_filters": True,      # Full filtering capabilities
    "detailed_affiliations": True,   # Complete institutional data
    "research_concepts": True        # Detailed concept analysis
}

---

🧑‍💻 开发与测试

项目结构

alex-mcp/
├── src/alex_mcp/
│   ├── server.py              # Main MCP server
│   ├── data_objects.py        # Data models and structures
│   └── utils.py               # Utility functions
├── examples/
│   ├── basic_usage.py         # Simple examples
│   ├── advanced_queries.py    # Complex query examples
│   └── integration_demo.py    # AI agent integration
├── tests/
│   ├── test_server.py         # Server functionality tests
│   └── test_integration.py    # Integration tests
└── docs/
    └── api_reference.md       # Detailed API documentation

运行测试

# Install test dependencies
pip install -e ".[test]"

# Run functionality tests
pytest tests/test_server.py -v

# Test with real queries
python examples/basic_usage.py

# Test AI agent integration
python examples/integration_demo.py

开发示例

# Test author disambiguation
python examples/basic_usage.py --query "J. Abreu" --institution "EMBO"

# Test work retrieval
python examples/advanced_queries.py --author-id "A123456789" --type "journal-article"

# Test integration patterns
python examples/integration_demo.py --workflow "career-analysis"

---

📈 集成示例

学术研究工作流

可与 AI 驱动的研究分析完美集成：

# Enhanced academic research agent
from alex_agent import AcademicResearchAgent

agent = AcademicResearchAgent(
    mcp_servers=[alex_mcp],  # Streamlined data processing
    model="gpt-4.1-2025-04-14"
)

# Complex research queries with structured data
result = await agent.research_author(
    "Find J. Abreu at EMBO with machine learning publications"
)

# Rich, structured output for AI reasoning
print(f"Quality Score: {result.quality_score}/100")
print(f"Author disambiguation: {result.confidence}")
print(f"Research fields: {result.research_domains}")

多 Agent 系统

# Collaborative research analysis
async def research_collaboration_network(seed_author):
    # Find primary author
    authors = await alex_mcp.search_authors(seed_author)
    primary = authors['results'][0]
    
    # Get their works
    works = await alex_mcp.retrieve_author_works(
        primary['id'], 
        type="journal-article"
    )
    
    # Analyze co-authors and build network
    collaborators = set()
    for work in works['results']:
        for authorship in work.get('authorships', []):
            collaborators.add(authorship['author']['display_name'])
    
    return {
        'primary_author': primary,
        'publication_count': len(works['results']),
        'collaborator_network': list(collaborators),
        'research_impact': sum(w['cited_by_count'] for w in works['results'])
    }

---

🤝 参与贡献

欢迎贡献代码，帮助改进功能并添加新特性：

1. Fork 此仓库
2. 创建功能分支：git checkout -b feature/enhanced-filtering
3. 添加测试：确保你的更改保持数据质量和结构
4. 提交拉取请求：附上示例和文档

开发优先事项

• 增强筛选功能
• 补充数据丰富功能
• 性能优化
• 集成示例
• 改进文档

---

📄 许可证

本项目采用 MIT 许可证。详情请参阅 LICENSE。

---

🌐 链接

• OpenAlex API 文档
• Model Context Protocol
• FastMCP
• OpenAI Agents
• 学术研究示例